相关实验视频
Updated: Jan 10, 2026
10:10
Screening of Tobacco Genotypes for Phytophthora nicotianae Resistance
Published on: April 15, 2022
4.0K
PHTFNet-RPM:一个概率混合网络与RPM用于烟草根疾病预测
Yunhong Bu1, Tingshan Yao2, Shaowu Geng1
1Chuxiong Company of Yunnan Provincial Tobacco Corporation, Chuxiong, China.
Frontiers in big data
|November 26, 2025
概括
一个具有随机周期面罩 (PHTFNet-RPM) 的新概率混合时间融合网络准确预测烟草根疾病. 这种模型可以提高预测准确度和可靠性,以有效管理疾病.
科学领域:
- 农业科学 农业科学
- 植物病理学 植物病理学
- 数据科学数据科学数据科学
背景情况:
- 由于复杂的因素,烟草种植者在预测根病风险方面面临着挑战.
- 早期疾病症状往往是隐藏的,农场条件各不相同,使风险评估复杂化.
研究的目的:
- 开发一个灵活的模型来预测多天的烟草根病发病率和指数.
- 通过不确定性量化提高疾病预测的可靠性和可信度.
主要方法:
- 提出了一个具有随机周期面罩 (PHTFNet-RPM) 的概率混合时间融合网络.
- 整合了一个混合输入结构,用于静态和时间序列数据的RPM,模拟缺失的历史观测.
- 利用层次聚合模块进行跨变量和跨时间特征学习,以建模复杂的关系.
主要成果:
- 在20年的烟草根疾病和气象记录数据集上验证了PHTFNet-RPM.
- 与现有模型相比,实现了4.44%-16.43%较低的平均绝对误差 (MAE).
- 证明了对疾病趋势的可靠预测,即使仅使用历史天气数据.
结论:
- PHTFNet-RPM可靠地预测烟草根疾病的进展.
- 不确定性量化提高了预测可靠性,为疾病管理提供了实际价值.
更多相关视频
09:05Tomato Root Transformation Followed by Inoculation with Ralstonia Solanacearum for Straightforward Genetic Analysis of Bacterial Wilt Disease
Published on: March 11, 2020
12.4K
11:37RGB and Spectral Root Imaging for Plant Phenotyping and Physiological Research: Experimental Setup and Imaging Protocols
Published on: August 8, 2017
16.9K
